| 摘要 | 第4-6页 |
| abstract | 第6-8页 |
| 1 绪论 | 第12-21页 |
| 1.1 课题研究背景及意义 | 第12页 |
| 1.2 结构损伤识别国内外研究现状及发展 | 第12-18页 |
| 1.2.1 基于固有频率损伤识别研究 | 第13页 |
| 1.2.2 基于振型损伤识别研究 | 第13-14页 |
| 1.2.3 基于柔度损伤识别研究 | 第14页 |
| 1.2.4 基于曲率模态和应变模态损伤识别研究 | 第14-15页 |
| 1.2.5 基于神经网络的损伤识别方法 | 第15-16页 |
| 1.2.6 上述方法的比较 | 第16-18页 |
| 1.2.7 基于振动损伤识别发展趋势 | 第18页 |
| 1.3 论文研究的主要内容及文章结构 | 第18-21页 |
| 1.3.1 论文研究内容 | 第18-19页 |
| 1.3.2 本文结构安排 | 第19-21页 |
| 2 两步法损伤识别相关理论 | 第21-37页 |
| 2.1 两步法损伤识别过程 | 第21-22页 |
| 2.2 悬臂梁横向自由振动方程 | 第22-29页 |
| 2.2.1 等截面悬臂梁的振动微分方程 | 第22-23页 |
| 2.2.2 健康悬臂梁振动分析 | 第23-25页 |
| 2.2.3 裂纹悬臂梁振动分析 | 第25-29页 |
| 2.3 PVDF测量应变模态振型原理 | 第29-31页 |
| 2.3.1 PVDF传感器概述 | 第29-30页 |
| 2.3.2 PVDF测量应变模态振型原理 | 第30-31页 |
| 2.3.3 损伤位置识别指标 | 第31页 |
| 2.4 神经网络结构健康监测原理 | 第31-36页 |
| 2.4.1 神经网络用于损伤识别可行性分析 | 第31页 |
| 2.4.2 BP神经网络概述 | 第31-32页 |
| 2.4.3 BP神经网络模型参数选择 | 第32-33页 |
| 2.4.4 BP神经网络模型建模过程 | 第33-35页 |
| 2.4.5 BP神经网络损伤识别步骤 | 第35-36页 |
| 2.5 本章小结 | 第36-37页 |
| 3 等截面悬臂梁损伤识别研究 | 第37-63页 |
| 3.1 等截面健康悬臂梁结构模拟计算 | 第37-38页 |
| 3.2 等截面裂纹悬臂梁结构模拟计算 | 第38-52页 |
| 3.2.1 单裂纹损伤识别模拟计算 | 第38-44页 |
| 3.2.2 双裂纹损伤识别模拟计算 | 第44-52页 |
| 3.3 等截面悬臂梁损伤识别实验 | 第52-61页 |
| 3.3.1 实验测试方案 | 第52-54页 |
| 3.3.2 实验设备 | 第54-55页 |
| 3.3.3 PVDF传感器阵列测量健康悬臂梁实验 | 第55-57页 |
| 3.3.4 单裂纹损伤识别实验 | 第57-59页 |
| 3.3.5 双裂纹损伤识别实验 | 第59-61页 |
| 3.4 本章小结 | 第61-63页 |
| 4 小型风力机叶片的损伤识别研究 | 第63-84页 |
| 4.1 前沿 | 第63页 |
| 4.2 小型风机叶片的设计 | 第63-70页 |
| 4.2.1 叶片翼形及其几何参数设计 | 第63-64页 |
| 4.2.2 叶素理论与动量理论 | 第64-65页 |
| 4.2.3 叶素理论与叶展方向的设计 | 第65页 |
| 4.2.4 基于Wilson模型弦长和扭角的计算 | 第65-66页 |
| 4.2.5 基于Matlab编程计算弦长和扭角 | 第66-70页 |
| 4.3 小型风机叶片三维建模 | 第70-73页 |
| 4.3.1 三维坐标转换 | 第70-72页 |
| 4.3.2 基于Solidworks小型风机叶片三维模型的绘制 | 第72-73页 |
| 4.4 小型叶片有限元仿真分析 | 第73-79页 |
| 4.4.1 小型叶片模态分析 | 第73-78页 |
| 4.4.2 单裂纹小型叶片BP神经网络模型的建立 | 第78-79页 |
| 4.5 单裂纹小型风机叶片损伤识别实验研究 | 第79-82页 |
| 4.5.1 叶片单裂纹损伤位置确定 | 第81-82页 |
| 4.5.2 叶片单裂纹损伤程度识别 | 第82页 |
| 4.6 本章小节 | 第82-84页 |
| 5 总结与展望 | 第84-86页 |
| 5.1 工作总结 | 第84-85页 |
| 5.2 工作展望 | 第85-86页 |
| 参考文献 | 第86-90页 |
| 攻读硕士学位期间发表的论文及取得的研究成果 | 第90-91页 |
| 致谢 | 第91-92页 |